随着社会的不断发展,工业的不断进步,城市人口的快速增长,城市规模不断扩大,中国城市轨道交通进入了一个快速发展的阶段,通过对国内运行的地铁线路的调研发现,目前地铁中主要机电设备的维护、检查还基本停留在发生故障报警后人员到场检修和定期维护的现状。传统的被动维修FAF(Fail and Fix)观念已经无法适应环境发展所产生的新要求,基于主动维护模式PAP(Predict and Prevent)的设备性能退化评估及预测理念的研究具有重要的理论意义和实际应用价值。本论文研究内容以地铁中机电设备的关键部件轴承作为研究对象,提出了完整的轴承性能退化评估与预测的新理论方法,并使用轴承的全寿命周期数据对方法的有效性进行了验证。性能退化评估与预测的关键在于与其相适应的特征提取的新方法、敏感的特征指标和新颖有效的轴承性能退化评估与预测模型。对于特征提取方法,本文结合信号分析处理领域近来提出的局部均值分解算法(Local Mean Decomposition,LMD),针对其算法步骤中滑动平均法带来相位差和滑动步长的选择等问题进行了研究,提出分解误差更小、计算效率更高的优化LMD算法。而后,针对现有特征指标对设备退化程度量化反应能力不足的问题,将优化LMD算法与信息熵理论结合,提出LMD能谱熵作为轴承性能评估监测指标。由于从正常到故障的中间过程是极为不稳定的,鉴于本文提出的LMD能谱熵是一种新的反映轴承性能退化特征指标,无法与传统指标的有效值、峰值等建立对应关系,而且还会因为运行情况的差异而产生变化,因此提出了用于计算退化临界值的理论方法。随后,提出了基于逻辑回归性能退化评估模型,拓展了原有的研究思路和研究方法,提出基于极限学习机的预测模型,是该理论在本领域的新应用,通过轴承全寿命周期的实验数据进行验证,二者皆取得了很好的评估和预测的效果。最后采用本文的理论方法,设计了应用于轨道交通系统的城市轨道交通关键设备轴承维护系统软件,具有较高的应用价值和实践意义。